(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210055447.3 (22)申请日 2022.01.18 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 郑喜民　翟尤　舒畅　陈又新　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 代理人 梁国平 (51)Int.Cl. G06V 40/10(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/44(2022.01)G06V 10/82(2022.01) G06V 10/62(2022.01) (54)发明名称 基于姿态指导的行人重识别方法、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术， 其 实施例提供了 基于姿态指导的行人重识别方法、 设备及存储介 质， 该方法包括以下步骤： 对目标行人图像进行 姿态识别预处理生成多个身体部位的局部特征； 将多个局部特征输入行人身体注意力模块进行 训练生成注意力掩膜； 将注意力掩膜和第一三维 特征进行处理得到第二三维特征； 将第二三维特 征输入至二阶信息注意力模块进行处理得到二 维矩阵的协方差矩阵； 将协方差矩阵进行注意力 计算得到二阶矩阵的输出结果。 在本实施例的技 术方案中， 通过行人身体注意力模块确定每个身 体部位， 避免遮挡物对于行人识别的影响， 并且 通过二阶信息模块加强各部分之间的关联程度， 能够强调人体的信息表达， 从而抑制背景和遮挡 物的信息表达 。 权利要求书2页 说明书12页 附图4页 CN 114387624 A 2022.04.22 CN 114387624 A 1.一种基于姿态指导的行 人重识别方法， 包括： 对目标行人图像进行 人体姿态 识别， 得到多个身体部位的坐标和置信度； 将所述坐标和所述置信度进行转 化处理， 得到热图信息； 通过骨干网络对所述目标 行人图像进行提取处 理， 得到第一 三维特征； 将所述热图信息和所述第一 三维特征进行计算处 理， 生成多个身体部位的局部特 征； 将多个所述局部特 征输入至行 人身体注意力模块进行训练， 生成注意力掩膜； 将所述注意力掩膜和所述第一 三维特征进行计算处 理， 得到第二 三维特征； 将所述第二三维特征输入至二阶信 息注意力模块进行计算处理， 得到二维矩阵的协方 差矩阵； 将所述协方差矩阵进行注意力计算得到识别行人结果， 所述识别行人结果为二阶矩阵 的输出结果。 2.根据权利要求1所述的基于姿态指导的行人重识别方法， 其特征在于， 所述将多个所 述局部特征输入至行人身体注意力模块进 行训练， 生成注意力掩膜的步骤通过数学公式表 示为： 其中， Pavg代表通过位置注意力获得的局部信息， Cavg代表通过通道注意力获得的局 部信息， Relu为激活函数， Amask为注意力掩膜。 3.根据权利要求2所述的基于姿态指导的行人重识别方法， 其特征在于， 所述将所述注 意力掩膜和所述第一三维特征进 行计算处理， 得到第二三维特征的步骤通过数学公式表示 为： 其中， 公式等号右侧的F为第一三维特征， 公式等号左侧的F为所述行人身体注意力模 块的输出的第二 三维特征。 4.根据权利要求3所述的基于姿态指导的行人重识别方法， 其特征在于， 所述将所述第 二三维特征输入至二阶信息注意力模块进 行计算处理， 得到二维矩阵的协方差矩阵的步骤 通过数学公式表示 为： 其中， I表示单位矩阵， F'表示 为F的二维矩阵， (F')T表示将F'进行转置 。 5.根据权利要求4所述的基于姿态指导的行人重识别方法， 其特征在于， 所述将所述协 方差矩阵进行注意力计算得到识别行人结果， 所述识别行人结果为二阶矩阵的输出结果包 括： 将所述协方差矩阵进行归一 化处理， 得到归一 化处理之后的协方差矩阵Asecond； 将Asecond和F'进行相乘， 并进行卷积处理， 得到识别行人结果， 所述识别行人结果为二 阶矩阵的输出 结果。 6.根据权利要求5所述的基于姿态指导的行人重识别方法， 其特征在于， 所述将所述协 方差矩阵进行归一化处理， 得到归一化处理之后的协方差矩阵Asecond的步骤通过数学公式 表示为： Asecond＝softmax(∑)权　利　要　求　书 1/2 页 2 CN 114387624 A 2其中， softmax()表示归一 化操作函数。 7.根据权利要求5所述的基于姿态指导的行人重识别方法， 其特征在于， 所述将Asecond 和F'进行相乘， 并进 行卷积处理， 得到识别行人结果， 所述识别行人结果为二阶矩阵的输出 结果的步骤通过 数学公式表示 为： Z＝AsecondF′Wz 其中， Wz为卷积层的参数。 8.一种基于姿态指导的行 人重识别方法装置， 其特 征在于， 包括： 识别模块， 用于对目标行人图像进行人体姿态识别， 得到多个身体部位的坐标和置信 度； 转化模块， 用于将所述 坐标和所述置信度进行转 化处理， 得到热图信息； 提取模块， 用于通过骨干网络对目标 行人图像进行提取处 理， 得到第一 三维特征； 生成模块， 用于将所述热图信息和所述第一三维特征进行计算处理， 生成多个身体部 位的局部特 征； 训练模块， 用于将多个所述局部特征输入至行人身体注意力模块进行训练， 生成注意 力掩膜； 相乘模块， 用于将所述注意力掩膜和所述第一三维特征进行计算处理， 得到第二三维 特征； 计算模块， 用于将所述第二三维特征输入至二阶信息注意力模块进行计算处理， 得到 二维矩阵的协方差矩阵； 结果模块， 用于将所述协方差矩阵进行注意力计算得到识别行人结果， 所述识别行人 结果为二阶矩阵的输出 结果。 9.一种计算机设备， 包括： 存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7任意一项 所述的基于姿态指导的行 人重识别方法。 10.一种计算机可读存储介质， 存储有计算机可执行指令， 所述计算机可执行指令用于 执行权利要求1至7任意 一项所述的基于姿态指导的行 人重识别方法。权　利　要　求　书 2/2 页 3 CN 114387624 A 3